eliminación de acento y caracteres especiales

Question

Duplicar posible:
What is the best way to remove accents in a python unicode string?
Python and character normalization

me gustaría quitar acentos, convertir todos los caracteres en minúsculas, y borrar los números y caracteres especiales.

Ejemplo:

Frédér8ic @ -> Frederic

Propuesta:

def remove_accents(data): 
    return ''.join(x for x in unicodedata.normalize('NFKD', data) if \ 
    unicodedata.category(x)[0] == 'L').lower() 

¿Hay alguna forma mejor de hacer esto?

Answer 1

Una posible solución sería

def remove_accents(data): 
    return ''.join(x for x in unicodedata.normalize('NFKD', data) if x in string.ascii_letters).lower() 

Uso NFKD yo sepa es la manera estándar para normalizar Unicode para convertirlo en caracteres compatibles. El resto en cuanto a eliminar los números de caracteres especiales y caracteres unicode que se originaron a partir de la normalización, simplemente puede comparar con string.ascii_letters y eliminar cualquier carácter que no esté en ese conjunto.

Answer 2

¿Se puede convertir la cadena en entidades HTML? Si es así, puede usar una expresión regular simple.

las sustituciones siguientes funcionaría en PHP/PCRE (ver my other answer para un ejemplo):

'~&([a-z]{1,2})(?:acute|cedil|circ|grave|lig|orn|ring|slash|th|tilde|uml);~i' => '$1' 

después simplemente convertir de vuelta de las entidades HTML y eliminar cualquier a-Z carbón no (demo @ CodePad).

Lo siento, no conozco Python lo suficiente como para proporcionar una respuesta Pythonic.